Acta Agrophysica, 2013, 20(4), 705-720
WSKAŹNIKI NDVI I PRI JAKO ODZWIERCIEDLENIE DOBOWEJ ZMIENNOŚCI FRAKCJI AKUMULOWANEJ ENERGII
FOTOSYNTETYCZNIE CZYNNEJ DLA ODŁOGU
ORAZ DLA WYBRANYCH GATUNKÓW ROŚLIN UPRAWNYCH1
Bogna Uździcka1, Radosław Juszczak1, Karolina Sakowska1,2, Bogdan H. Chojnicki1, Marek Urbaniak1, Janusz Olejnik1
1Katedra Meteorologii, Uniwersytet Przyrodniczy w Poznaniu, ul. Piątkowska 94, 60-649 Poznań 2Sustainable Agro-ecosystems and Bioresources Department,
IASMA, Research and Innovation Centre, Fondazione Edmund Mach, San Michele all’Adige, TN, Italy
e-mail: bognauzdzicka@gmail.com
S t r e s z c z e n i e . Frakcja akumulowanej energii fotosyntetycznie czynnej (fAPARcanopy) jest ważnym parametrem ekofizjologicznym, stosowanym między innymi do szacowania produkcji pierwotnej brutto (GPP) ekosystemów. W pracy przedstawiono zależności pomiędzy dobową zmien-nością frakcji akumulowanej energii fotosyntetycznie czynnej a dwoma spektralnymi wskaźnikami roślinności – znormalizowanym różnicowym wskaźnikiem wegetacji (ang. Normalized Difference Vegetation Index, NDVI) i wskaźnikiem odbicia fotochemicznego (ang. Photochemical Reflectance Index, PRI). Pomiary wykonano 28 maja 2012 r. na poletkach eksperymentalnych z uprawami jęczmienia jarego, żyta ozimego i pszenicy ozimej oraz na poletku wieloletniego odłogu. Pomiary padającego, przepuszczonego i odbitego promieniowania w zakresie PAR (potrzebne do obliczenia
fAPARcanopy) wykonano z wykorzystaniem systemu pomiarowego firmy Delta-T (Delta-T Devices, Cambridge, UK). Potrzebne do obliczenia NDVI i PRI pomiary promieniowania padającego i odbitego o długościach fali 530, 570, 670 i 849 nm wykonano używając dwóch czterokanałowych czujników SKR1850 (SKYE Instruments Ltd., Llandrindod Wells, UK), zamontowanych w pozycji zenit – nadir na przenośnym urządzeniu SpectroSense2+. Z zaprezentowanych danych wynika, że NDVI stanowi znacznie lepszy niż PRI spektralny wskaźnik dobowej zmienności fAPARcanopy roślin uprawnych. Uzyskane wyniki świadczą o tym, że fAPARcanopy nie jest jedynym czynnikiem kształtującym zmienne wartości wskaźników NDVI i PRI w cyklu dobowym.
S ł o w a k l u c z o w e : frakcja akumulowanej energii fotosyntetycznie czynnej, spektralne wskaźniki roślinności, NDVI, PRI
Badania zrealizowano w ramach projektu Nr 752/I/N-COST-2 010-0 „Ocena czasowej i przestrzennej
zmien-ności współczynników biofizycznych i spektralnych roślin (NDVI, WBI, LAI) na tle wymiany netto CO2, CH4,
WYKAZ OZNACZEŃ
fAPARcanopy – Frakcja energii fotosyntetycznie czynnej absorbowanej przez pokrywę
roślin-ną (ang. Fraction of Absorbed Photosynthetically Active Radiation), (-)
NDVI – Znormalizowany różnicowy wskaźnik wegetacji (ang. Normalized Difference Vege-tation Index), (–)
PRI – Wskaźnik odbicia fotochemicznego (ang. Photochemical Reflectance Index), (-) PAR – Promieniowanie fotosyntetycznie czynne (ang. Photosynthetically Active Radiation),
(W·m-2)
GPP – Produkcja pierwotna brutto (ang. Gross Primary Production), (g CO2-C·m-2·s-1)
LAI – Indeks powierzchni liści (ang. Leaf Area Index), (m2·m-2)
BF – Procent promieniowania bezpośredniego w całkowitym (ang. Beam Fraction Parame-ter), (–)
WSTĘP
Wiele modeli służących do oceny intensywności procesów życiowych roślin, i w konsekwencji wymiany masy i energii między ekosystemami a atmosferą, opiera się na różnych parametrach biofizycznych pokrywy roślinnej (Gobron i in. 2006, Knorr i in. 2005).
APAR (ang. „Absorbed Photosynthetically Active Radiation”) definiowany jest
dla pokrywy roślinnej jako ilość promieniowania w przedziale spektralnym PAR, która jest przez nią absorbowana. Frakcja akumulowanej energii fotosyntetycznie czynnej fAPARcanopy stanowi natomiast procent padającego promieniowania w prze-dziale PAR, który zostaje zaabsorbowany przez szatę roślinną (Zhang i in. 2005). Parametr fAPARcanopy przyjmuje wartości od 0 do 1. Zależy on przede wszystkim od stanu zdrowotnego roślin, budowy i optycznych właściwości szaty roślinnej oraz od indeksu powierzchni liści (LAI), ale także od odbicia tła glebowego (Jarocińska i Zagajewski 2008). Jest to bardzo istotny parametr biofizyczny stosowany między innymi do szacowania GPP różnych ekosystemów (Running i in. 2004).
Według wyników wielu badań (Asner 1998, Boschetti i in. 2007) różne para-metry biofizyczne pokrywy roślinnej mają specyficzny wpływ na jej właściwości spektralne. W konsekwencji, pomiary oparte na promieniowaniu w różnych prze-działach spektralnych zaczynają coraz powszechniej stanowić uzupełnienie dla tradycyjnych metod pomiaru charakterystyk biofizycznych. Dzięki takiemu połą-czeniu możliwe stają się coraz to dokładniejsze, a zarazem nieinwazyjne, szacunki charakterystyk biofizycznych pokrywy roślinnej za pomocą danych spektralnych (Huete i in. 2002, Soudani i in. 2006, Zheng i Moskal 2009).
NDVI jest jednym z najszerzej stosowanych spektralnych wskaźników
z wieloma parametrami biofizycznymi pokrywy roślinnej – biomasą, LAI, APARcanopy, czy fAPARcanopy (Zhang i in. 2005). NDVI nie sprawdza się jednak zbyt dobrze przy odzwierciedlaniu zmian w aktywności fotosyntetycznej i efektywności wykorzysta-nia światła w fotosyntezie, które następują bez widocznych zmian w biomasie ro-ślin i strukturze łanu (Gamon i in. 1992). Procesy te opisują ilość promieniowania PAR wykorzystywanego podczas fotosyntezy. Oszacowano, że w procesie fotosyn-tezy może być wykorzystywane od 20 do 50% promieniowania PAR zaabsorbowa-nego przez pokrywę roślinną (w zależności od gatunku oraz od morfologii i wieku liści) (Hanan i in. 1998, 2002, Lambers i in. 1998). Z tego względu nie można za pomocą wskaźnika NDVI ocenić krótkoterminowych zmian w intensywności tych procesów życiowych roślin – np. spadku aktywności i efektywności procesu foto-syntezy, który często następuje około południa słonecznego u roślin będących w stresie (Gamon i in. 1992, Tenhunen i in. 1987). Aby efektywniej badać te krót-koterminowe zmiany, Gamon i in. (1992) zaproponowali wskaźnik PRI, który jest dobrym spektralnym wskaźnikiem parametru EPS (ang. „epoxidation state”). EPS jest obliczany na podstawie stężeń barwników cyklu ksantofilowego (wiolaksanty-ny, zeaksantyny i anteraksantyny), a jego wartość może być traktowana jako wskaźnik zmian w aktywności fotosyntetycznej roślin (Gamon i in. 1992).
Związek między spektralnymi wskaźnikami roślinności a fAPARcanopy stanowi przedmiot sporego zainteresowania i był, jak dotąd, przedmiotem wielu badań (Go-bron i in. 2006, Knorr i in. 2005, Nakaji i in. 2007). Najczęściej fAPARcanopy szaco-wany jest na podstawie liniowej bądź nieliniowej zależności z NDVI (Sims i in. 2006). Zależność między NDVI a fAPARcanopy stanowi podstawę do szacowania między innymi GPP ekosystemów (Zhang i in. 2005). Zależności te sprawdzają się dla różnych ekosystemów i dla pomiarów wykonywanych w różnych skalach (Running i in. 2004). Ponieważ zależność między NDVI a fAPARcanopy jest niezależ-na od kąta padania promieni słonecznych, NDVI może być stosowany jako spek-tralny wskaźnik frakcji akumulowanej energii fotosyntetycznie czynnej zarówno w cyklu sezonowym, jak i dobowym (Goward i Huemmrich 1992, Sims i in. 2006).
Celem publikacji było określenie i analiza związków między fAPARcanopy a wskaźnikami NDVI i PRI w przebiegu dobowym. Zagadnienia analizowane w publikacji dotyczą dziedziny będącej w ostatnich latach przedmiotem rosnące-go zainteresowania międzynarodowych społeczności naukowców zrzeszonych między innymi w sieciach SpecNet i EuroSpec – COST Action ES0903. Ocena charakteru i stopnia takich zależności, dla powszechnie spotykanych w Polsce ro-ślin uprawnych, posłużyć może dokładniejszemu i lepiej dopasowanemu do gatun-kowej specyfiki szacowaniu wskaźnika fAPARcanopy różnych gatunków roślin.
MATERIAŁ I METODY
Badania przeprowadzone zostały na terenie Rolniczego Gospodarstwa Do-świadczalnego Uniwersytetu Przyrodniczego w Poznaniu. Gospodarstwo zlokali-zowane jest w Brodach (52°26’18’’ N, 16°17’40’’ E), miejscowości położonej w województwie wielkopolskim, około 50 km na zachód od Poznania. Począwszy od 1957 roku na jego terenie prowadzone jest doświadczenie statyczne, mające na celu zbadanie wpływu reżimu uprawy i nawożenia na zmienność plonowania roślin uprawnych w wieloleciu (Blecharczyk 2002). Średnia roczna suma opadów atmosferycznych dla tego obszaru wynosi 571,3 mm, a średnia roczna temperatu-ra powietrza 7,9oC (dane ze stacji meteorologicznej Zakładu Brody dla lat 1959-1999). Na przeważającym obszarze badawczym występują przede wszystkim gleby płowe, klasy bonitacyjnej IIIa-IIIb, kompleksu żytniego dobrego i bardzo dobrego, o składzie granulometrycznym piaski gliniaste lekkie i mocne, średnio głębokie, zalegające na glebach lekkich (Blecharczyk 2002).
Pomiary charakterystyk spektralnych i biofizycznych pokrywy roślinnej wyko-nywano na poletkach z jęczmieniem jarym (odmiana Nadek), żytem ozimym (od-miana Dańkowskie Złote), pszenicą ozimą (od(od-miana Turkis) oraz na jednym poletku wieloletniego odłogu. Rośliny uprawiane były w reżimie monokultury i nawożone obornikiem z dodatkiem NPK. Poletka pomiarowe (o wymiarach 6 m x 11 m) zloka-lizowane były na otwartym terenie – daleko od dużych obiektów, mogących roz-praszać promieniowanie i w konsekwencji zaburzać uzyskiwane wyniki.
Parametr fAPARcanopy obliczono (równanie 1) na podstawie pomierzonych wartości promieniowania padającego, przepuszczonego i odbitego od pokrywy roślinnej w zakresie spektralnym PAR (400-700 nm). Pomiary wykonano za po-mocą systemu pomiarowego firmy Delta-T (Delta-T Devices, Cambridge, UK). System pomiarowy składał się z: 1) czujnika typu BF3 służącego do pomiaru padającego promieniowania PAR (całkowitego i rozproszonego) oraz 2) sondy liniowej o długości jednego metra, wyposażonej w 64 równomiernie rozłożone fotodiody, pozwalającej na pomiar promieniowania PAR przepuszczonego i odbi-tego przez/od szaty roślinnej (SunScan User Manual 2008)..
(-) (1) gdzie: PARi – natężenie promieniowania całkowitego PAR (W·m2), PARt – natę-żenie promieniowania PAR transmitowanego przez pokrywę roślinną (W·m-2), PARr – natężenie promieniowania PAR odbitego przez pokrywę roślinną (W·m-2).
Spektralne wskaźniki NDVI i PRI obliczono według wzorów podanych w ta-beli 1. Pomiary promieniowania padającego i odbitego przy długościach fali 530,
570, 670 i 849 nm wykonano dwoma czujnikami SKR1850 (SKYE Instruments Ltd., Llandrindod Wells, UK) zamontowanymi w pozycji zenit-nadir na przeno-śnym urządzeniu Spectrosense 2+.
Tabela 1. Spektralne wskaźniki wegetacji NDVI i PRI Table 1. Spectral Vegetation Indices – NDVI and PRI
Wskaźnik spektralny wegetacji
Spectral Vegetation Index
Wzór – Equation Źródło – Source
NDVI 670 849 670 849 NDVI gdzie:
ρ849 – współczynnik odbicia przy długości fali 849 nm,
ρ670 – współczynnik odbicia przy długości fali 670 nm. (Rouse i in. 1973) PRI 570 530 570 530 PRI gdzie:
ρ530 – współczynnik odbicia przy długości fali 530 nm,
ρ570 – współczynnik odbicia przy długości fali 570 nm.
(Gamon i in. 1992)
WYNIKI I DYSKUSJA
Analizowane dane pochodzą z pomiarów przeprowadzonych w dniu 28 maja 2012 roku. Dzień ten został wybrany ze względu na panujące wówczas warunki meteorologiczne, jak i ze względu na stan i fazę fenologiczną roślinności. Warun-ki radiacyjne w dniu pomiarowym były pod względem wymogów metodycznych (Hall i in. 2008, Nakaji i in. 2007) wyjątkowo korzystne. Parametr Beam Frac-tion, określający procent promieniowania PAR bezpośredniego w PAR całkowi-tym, utrzymywał się powyżej 0,5 praktycznie przez cały dzień (od 05:44 do 18:31). Wyjątek stanowiły widoczne na rysunku 1 momenty, podczas których słońce zasłonięte było przez pojedyncze przepływające w godzinach popołudnio-wych chmury. Pomiary nie były wówczas wykonywane. Temperatura powietrza wahała się w dniu pomiarów w zakresie 8,0-24,5oC, a wilgotność względna – pomiędzy 28,2 a 84,3%.
Rys. 1. Charakterystyka warunków radiacyjnych podczas pomiarów w dniu 28 maja 2012 r. Linia
szara odpowiada całkowitemu PAR padającemu na powierzchnię (PARg); czarne kropki odnoszą się do wartości Beam Fraction (BF)
Fig. 1. Radiation conditions on the measurement day, 28th of May 2012. Grey line corresponds to
incident PAR (PARg); black dots correspond to Beam Fraction (BF) values
Roślinność w dniu pomiarów była bujna i w dobrej kondycji (fot. 1). Jęcz-mień jary znajdował się w fazie grubienia pochwy liściowej liścia flagowego, żyto ozime było w fazie kwitnienia, natomiast pszenica ozima znajdowała się w fazie kłoszenia. Wysokość roślin w łanie dla odłogu, jęczmienia jarego, żyta ozi-mego i pszenicy ozimej wynosiła odpowiednio: 121; 54; 124 i 71 cm, a indeks powierzchni liści LAI wynosił odpowiednio: 7,93; 4,97; 5,03; 3,10 m2·m-2.
Fot. 1. Odłóg (a), jęczmień jary (b), żyto ozime (c) i pszenica ozima (d) w dniu pomiarowym Photo 1. Fallow (a), spring barley (b), winter rye (c) and winter wheat (d) on the measurement day
Dobowy przebieg fAPARcanopy zmierzony w dniu pomiaru dla czterech anali-zowanych stanowisk przedstawiono na rysunku 2. W tabeli 2. natomiast przed-stawiono warunki, w których osiągnięte zostały minimalne i maksymalne warto-ści tego parametru.
Rys. 2. Dobowy przebieg fAPARcanopy dla odłogu (A), jęczmienia jarego (B), żyta ozimego (C) i psze-nicy ozimej (D) na tle panujących warunków radiacyjnych. Kwadraty odpowiadają wartościom
fA-PARcanopy, linia ciągła – całkowitemu PAR padającemu na powierzchnię (PARg)
Fig. 2. Diurnal courses of fAPARcanopy for fallow (A), spring barley (B), winter rye (C) and winter wheat (D) with corresponding radiation conditions. The squares correspond to fAPARcanopy, the solid line – to incident global PAR (PARg)
Przedstawione wyniki wskazują, że dla każdego analizowanego stanowiska frakcja akumulowanej energii fotosyntetycznie czynnej zmieniała się w cyklu dobowym. Znajduje to potwierdzenie także w wynikach innych badań (Walter i in. 1992, Sims i in. 2006). fAPARcanopy maksymalne wartości osiąga w godzi-nach porannych, natomiast minimalne – wczesnym popołudniem. Największą zmiennością tego parametru charakteryzowała się uprawa pszenicy ozimej (współczynnik zmienności dla fAPARcanopy 0,11. Na pozostałych poletkach dobo-wa zmienność fAPARcanopy była niższa (współczynniki zmienności fAPARcanopy dla odłogu, jęczmienia jarego i żyta ozimego wyniosły odpowiednio 0,013; 0,033
i 0,031). Pomiędzy pszenicą ozimą a pozostałymi stanowiskami pomiarowymi widać znaczące różnice również w osiąganych wartościach frakcji akumulowanej energii fotosyntetycznie czynnej. Dla poletka z odłogiem oraz dla upraw jęczmienia jarego i żyta ozimego fAPARcanopy wynosiło maksymalnie około 0,93, a wartości przez cały dzień pomiaru nie obniżały się poniżej 0,84. Dla porównania, minimalne wartości fAPARcanopy zmierzone na poletku z pszenicą ozimą wynosiły 0,66 (tab. 2).
Tabela 2. Maksymalne i minimalne wartości frakcji akumulowanej energii fotosyntetycznie czynnej
fAPARcanopy dla odłogu, jęczmienia jarego, żyta ozimego i pszenicy ozimej
Table 2. Maximum and minimum values of fraction of absorbed photosynthetically active radiation
fAPARcanopy for fallow, spring barley, winter rye and winter wheat
Rodzaj roślinności
Type of vegetation
Minimalna wartość fAPARcanopy Minimum rates of fAPARcanopy
Maksymalna wartość fAPARcanopy Maximum rates of fAPARcanopy
Godz – Hour fAPA Rcanopy (– ) BF (–) PAR (µmo l·m -2·s -1)
Godz – Hour fAPA Rcanopy (– ) BF (–) PAR (µmo l·m -2·s -1) Odłóg Fallow 14:32 0,92 0,73 1969 9:02 0,95 0,74 1279 Jęczmień jary Spring barley 14:30 0,86 0,73 1928 9:00 0,94 0,81 1251 Żyto ozime Winter rye 14:32 0,84 0,73 1928 9:01 0,93 0,81 1271 Pszenica ozima Winter wheat 14:27 0,66 0,75 1700 8:18 0,91 0,74 1024
Średnie dobowe wartości fAPARcanopy były najwyższe na odłogu (0,94), charak-teryzującym się najwyższym LAI (7,93 m2·m-2), a najniższe na pszenicy ozimej (0,79), w przypadku której LAI nie przekroczył wartości 3,1 m2·m-2 (tab. 3). Na uprawach jęczmienia jarego i żyta ozimego, których LAI był bliski 5 m2·m-2,średnie wartości fAPARcanopy wynosiły około 0.9. Wysokie wartości fAPARcanopy na odłogu oraz na uprawach jęczmienia jarego i żyta ozimego świadczyć mogą o większej sumarycznej dobowej absorpcji promieniowania PAR. Biorąc pod uwagę tylko gatunki uprawne, uzyskane wyniki mogą wskazywać na większą intensywność procesu fotosyntezy u roślin zbożowych znajdujących się we wcześniejszych
fa-zach fenologicznych. Znajduje to potwierdzenie również w stosunkowo wysokich (na tle innych gatunków) wartościach wskaźnika PRI – jednego z najlepszych spek-tralnych indykatorów intensywności procesu fotosyntezy (Gamon i in. 1992).
Tabela 3. Wartości LAI i średnie dobowe wartości wskaźników fAPARcanopy, NDVI i PRI w dniu pomiarowym dla odłogu, jęczmienia jarego, żyta ozimego i pszenicy ozimej
Table 3. LAI and diurnal averages of fAPARcanopy, NDVI and PRI values for fallow, spring barley, winter rye and winter wheat on the measurement day
Rodzaj roślinności
Type of vegetation LAI (m2·m-2)
Średnia wartość fAPARcanopy Average value of fAPARcanopy (–) Średnia wartość NDVI Average value of NDVI (–) Średnia wartość PRI Average value of PRI (–) Odłóg Fallow 7,93 0,94 0,89 –0,19 Jęczmień jary Spring barley 4,97 0,90 0,90 –0,18 Żyto ozime Winter rye 5,03 0,89 0,77 –0,18 Pszenica ozima Winter wheat 3,10 0,79 0,80 –0,17
Stopień zależności NDVI i PRI od fAPARcanopy dla dnia pomiarowego – bez rozbicia na poszczególne stanowiska badawcze – przedstawiono na rysunku 3. Na rysunkach 4 i 5 pokazano dobowe przebiegi PRI i NDVI na tle dobowych prze-biegów frakcji akumulowanej energii fotosyntetycznie czynnej, natomiast na ry-sunkach 6 i 7 – stopień zależności tych dwóch wskaźników od fAPARcanopy w dniu pomiarowym na poszczególnych analizowanych gatunkach.
Na wszystkich analizowanych poletkach – podobnie jak w przypadku innych badań (Sims i in. 2006) – wartości wskaźników PRI i NDVI zmieniają się w cyklu dobowym. Korelacja pomiędzy obydwoma analizowanymi spektralnymi wskaź-nikami roślinności a fAPARcanopy jest dodatnia. Choć dla wszystkich analizowa-nych stanowisk pomiarowych wartości fAPARcanopy zwiększają się wraz ze wzro-stem wartości wskaźników NDVI i PRI, to jednak tylko w przypadku NDVI za-leżności te są istotne statystycznie (p < 0,05) (rys. 7). Biorąc jednak pod uwagę całą serię danych pomiarowych łącznie dla wszystkich analizowanych poletek, stwierdzić można, że zarówno NDVI, jak i PRI istotnie zależą od fAPARcanopy (p < 0,001). Zależność ta jest lepsza w przypadku wskaźnika NDVI (R2 = 0,46) aniżeli dla PRI (R2 = 0,41). Wartości NDVI rosną wraz z wartościami fAPAR
canopy w spo-sób niemal liniowy. Potwierdzają to wyniki innych badań nad zależnością
spek-tralnych wskaźników roślinności od fAPARcanopy (Asrar i in. 1989, Running i in. 2000, Veroustraete i in. 2002).
Rys. 3. Zależności między dobowymi wartościami spektralnych wskaźników roślinności NDVI (A)
i PRI (B) a fAPARcanopy w dniu pomiarowym (w analizie uwzględniono wszystkie dane pomierzone na różnych uprawach i odłogu)
Fig. 3. Relationship between diurnal values of spectral vegetation indices NDVI (A) and PRI (B)
and fAPARcanopy on the measurement day (all data measured for all types of crops and fallow were included in the analyses)
Rys. 4. Dobowy przebieg wskaźnika PRI (trójkąty) na tle dobowych przebiegów fAPARcanopy (kwa-draty) dla odłogu (A), jęczmienia jarego (B), żyta ozimego (C) i pszenicy ozimej (D)
Fig. 4. Diurnal courses of PRI (triangles) and fAPARcanopy (squares) for fallow (A), spring barley (B), winter rye (C) and winter wheat (D)
Rys. 5. Dobowy przebieg wskaźnika NDVI (trójkąty) na tle dobowych przebiegów fAPARcanopy (kwadraty) dla odłogu (A), jęczmienia jarego (B), żyta ozimego (C) i pszenicy ozimej (D)
Fig. 5. Diurnal courses of NDVI (triangles) and fAPARcanopy (squares) for fallow (A), spring barley (B), winter rye (C) and winter wheat (D)
Liniowa zależność pomiędzy fAPARcanopy a NDVI znajduje potwierdzenie w wy-nikach innych badań (Running i in. 2004). W związku z tym przy szacunkach frakcji akumulowanej energii fotosyntetycznie czynnej na podstawie NDVI wyeliminowane zostają błędy wynikające z efektu saturacji tego wskaźnika. Efekt ten występuje przy jego zależności od innych parametrów biofizycznych pokrywy roślinnej, m.in. indek-su powierzchni liści LAI (Uździcka i in. 2012, Zarco-Tejada i in. 2005).
PRI natomiast (co widać szczególnie wyraźnie na rysunku 3) przyjmuje
sto-sunkowo stałe, niskie wartości (–0,21÷–0,22) przy fAPARcanopy<0,7. Po czym, wraz ze zwiększeniem wartości fAPARcanopy do 0,7 ÷ 0,8, wartości tego wskaźnika wzrastają gwałtownie do poziomu –0,15÷–0,19.
Obserwowany w przypadku obu wskaźników dość silny rozrzut wartości oraz stosunkowo niskie wartości współczynników determinacji świadczą, że frakcja akumulowanej energii fotosyntetycznie czynnej, choć jej wpływ jest zauważalny, nie jest jedynym czynnikiem kształtującym zmienne wartości spektralnych wskaźników roślinności w cyklu dobowym. Znajduje to potwierdzenie również w wynikach innych badań (np. Asner 1998). Proporcjonalny wkład poszczególnych parametrów biofizycznych w wartości charakterystyk spektralnych pokrywy ro-ślinnej nie został jednak, jak dotąd, dokładnie rozpoznany (Asner 1998).
Rys. 6. Zależność wskaźnika PRI od fAPARcanopy dla odłogu (A), jęczmienia jarego (B), żyta ozime-go (C) i pszenicy ozimej (D)
Fig. 6. Relationship between PRI and fAPARcanopy for fallow (A), spring barley (B), winter rye (C) and winter wheat (D)
Rys. 7. Zależność wskaźnika NDVI od fAPARcanopy dla odłogu (A), jęczmienia jarego (B), żyta ozimego (C) i pszenicy ozimej (D)
Fig. 7. Relationship between NDVI and fAPARcanopy for fallow (A), spring barley (B), winter rye (C) and winter wheat (D)
Wyniki modelowania dobowego przebiegu fAPARcanopy w dniu 28 maja 2012 roku na podstawie uzyskanych wartości wskaźnika NDVI (dla poszczególnych gatunków osobno oraz dla wszystkich poletek jako całości) przedstawiono w ta-beli 4. Zestawione są w niej wartości R2 i RMSE uzyskane przy zastosowaniu przedstawionych równań regresji liniowej.
Tabela 4. Parametry modeli szacowania fAPARcanopy w dniu pomiarowym dla analizowanych pole-tek pomiarowych: odłogu, jęczmienia jarego, żyta ozimego i pszenicy ozimej
Table 4. fAPARcanopy estimation models parameters for fallow, spring barley, winter rye and winter wheat on the measurement day
Wskaźnik Spectral Vegetation Index Równanie regresji Regression equation
Parametry modelu szacowania
fAPARcanopy
fAPARcanopy estimation model parameters
R2 RMSE
Odłóg – Fallow
NDVI fAPARcanopy = 1,705·NDVI – 0,664 0,80 0,05 Jęczmień jary – Spring barley
NDVI fAPARcanopy = 1,692·NDVI – 0,617 0,33 0,02 Żyto ozime – Winter rye
NDVI fAPARcanopy = 1,259·NDVI – 0,075 0,53 0,02 Pszenica ozima – Winter wheat
NDVI fAPARcanopy = 1,749·NDVI – 0,601 0,46 0,07 Wszystkie stanowiska – All plots
NDVI fAPARcanopy = 0,326·NDVI + 0,544 0,46 0,12
W przypadku wszystkich analizowanych gatunków roślin oraz odłogu wskaź-nik NDVI znacznie lepiej niż PRI sprawdzał się jako spektralny wskaźwskaź-nik dzien-nego przebiegu fAPARcanopy. Związane to może być z faktem, że na jego dobową zmienność znacznie mniejszy wpływ, niż w przypadku PRI, mają kąt padania promieni słonecznych i obecne warunki radiacyjne w atmosferze (Hall i in. 2008, Sims i in. 2006). Uzyskane wyniki znajdują potwierdzenie również w innych badaniach, wskazujących na NDVI jako jeden z najlepszych wskaźników spek-tralnych służących do szacowania frakcji akumulowanej przez pokrywę roślinną energii fotosyntetycznie czynnej (Nakaji i in. 2007, Running i in. 2000, 2004, Veroustraete i in. 2002).
WNIOSKI
Na podstawie spektralnych wskaźników roślinności NDVI i PRI zmierzonych na wybranych stanowiskach badawczych o znanej frakcji akumulowanej energii fotosyntetycznie czynnej określono siłę ich zależności od fAPARcanopy, a także możliwości oszacowania parametru fAPARcanopy na podstawie wskaźników spek-tralnych. Przedstawione dane wskazują, że:
1. dla analizowanych stanowisk badawczych NDVI sprawdza się jako spek-tralny wskaźnik frakcji akumulowanej energii fotosyntetycznie czynnej znacznie lepiej aniżeli PRI (przy analizie fAPARcanopy w jej przebiegu dobowym, gdy gę-stość pokrywy roślinnej jest wysoka);
2. frakcja akumulowanej energii fotosyntetycznie czynnej, choć jej wpływ jest zauważalny, nie jest jedynym czynnikiem kształtującym zmienne wartości spektralnych wskaźników roślinności w cyklu dobowym (świadczą o tym obser-wowany w przypadku obu wskaźników dość silny rozrzut wartości oraz stosun-kowo niskie wartości współczynników determinacji).
Zaobserwowane zależności wymagają zatem potwierdzenia w dalszych bada-niach, które koncentrować się powinny na przetestowaniu ich także podczas cało-dziennych kampanii pomiarowych w innych fazach fenologicznych roślin oraz dla danych z sezonu wegetacyjnego jako całości.
PIŚMIENNICTWO
Asner G.P., 1998. Biophysical and Biochemical Sources of Variability in Canopy Reflectance. Remote Sensing of Environment 64, 234-253.
Asrar G., Myneni R.B., Kanemasu E.T., 1989. Estimation of plant canopy attributes from spectral reflec-tance measurements. W G.Asrar (red.): Theory and applications of optical remote sensing. John Wi-ley and Sons, 252-297.
Blecharczyk A., 2002. Reakcja żyta ozimego i jęczmienia jarego na system następstwa roślin i nawożenie w doświadczeniu wieloletnim. Roczniki Akademii Rolniczej w Poznaniu, 326, 1-126.
Boschetti T., Cortecci G., Barbieri M., Mussi M., 2007. New and past geochemical data on fresh to brine waters of the Salar de Atacama and Andean Altiplano, northern Chile. Geofluids, 7, 33-50.
Gamon J.A., Penuelas J., Field C.B., 1992. A narrow-waveband spectral index that tracks diurnal changes in photosynthetic efficiency. Remote Sensing of Environment, 41, 35-44.
Gobron N., Pinty B., Aussedat O., Chen J.M., Cohen W.B., Fensholt R., Gond V., Huemmrich K.F., Lavergne T., Melin F., Privette J.L., Sandholt I., Taberner M., Turner D.P., Verstraete M.M., Widlowski J.-L., 2006. Evaluation of fraction of absorbed photosynthetically active radiation products for different canopy radiation transfer regimes: Methodology and results using Joint Research Center products de-rived from SeaWiFS against ground-based observations. Journal of Geophysical Research, 111. Goward S.N., Huemmrich K.F., 1992. Vegetation canopy PAR absorbance and the normalized difference
Hall F.G., Hilker T., Coops N.C., Lyapustin A., Huemmrich K.F., Middleton E., Margolis H., Drolet G., Black T.A., 2008. Multi-angle remote sensing of forest light use efficiency by observing PRI varia-tion with canopy shadow fracvaria-tion. Remote Sensing of Environment, 112, 3201-3211.
Hanan N.P., Kabat P., Dolman A.J., Elbers J.A., 1998 Photosynthesis and carbon balance of a Sahelian fallow savanna. Global Change Biology, 4, 523-538.
Hanan N.P., Burba G., Verma S.B., Berry J.A., Suyker A., Walter-Shea E.A., 2002. Inversion of net ecosystem CO2 flux measurements for estimation of canopy PAR absorption. Global Change Biol-ogy, 8, 563-574.
Huete A.R., Didan K., Miura T., Rodriguez E.P., Gao X., Ferreira L.G., 2002. Overview of the radiomet-ric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83, 195-213.
Jarocińska A., Zagajewski B., 2008. Korelacje naziemnych i lotniczych teledetekcyjnych wskaźników roślinności dla zlewni Bystrzanki. Teledetekcja Środowiska, 40, 100-124.
Jiang J., Chen S., Cao S., Wu H., Zhang L., Zhang H., 2005. Leaf area index retrieval based on canopy reflectance and vegetation index in Eastern China. Journal of Geographical Sciences, 2, 247-254. Knorr W., Gobron N., Scholze M., Kaminski T., Pinty B., 2005. Global drought conditions causing recent
atmospheric carbon dioxide increase. Eos Trans. AGU, 86, 178-181.
Lambers H. Chapin F.S., Pons T.L., 1998. Plant Physiological Ecology. New York: Springer-Verlag. Leeuwen van W.J.D., Huete A.R., Walthall C.L., Prince S.D., Begue A., Roujean J.L., 1997.
Deconvolu-tion of remotely sensed spectral mixtures for retrieval of LAI, fAPAR and soil brightness. Journal of Hydrology, 188-189, 697-724.
Liang S., 2004. Quantitative remote sensing of land surfaces. Wyd.1. New Jersey. Wiley-Interscience. Nakaji T., Ide R., Oguma H., Saigusa N., Fujinuma Y., 2007. Utility of spectral vegetation index for
estimation of gross CO2 flux under varied sky conditions. Remote Sensing of Environment, 109, 274-284.
Rouse, J.W., Jr., R.H. Haas, J.A. Schell, and D.W. Deering., 1973. Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation. Prog. Rep. RSC 1978-1, Remote Sens-ing Center, Texas A&M Univ., College Station, 93p. (NTIS No. E73-106393.
Running S.R., Thornton P.E., Nemani R.R., Glassy J.M., 2000. Global terrestrial gross and net primary productivity from the Earth observing system. W O.E. Sala, R.B. Jackson, H.A. Mooney, R.W. Howard (red.): Methods in Ecosystem Science, Springer-Verlag.
Running S.R., Nemani R.R., Heinsch F., Zhao M., Reeves M., Hashimoto H., 2004. A continuous satel-lite-derived measure of global terrestrial primary production. Bioscience, 54, 547-560.
Sims D.A., Luo H., Hastings S., Oechel W.C., Rahman A.F., Gamon J.A., 2006. Parallel adjustments in vegetation greenness and ecosystem CO2 exchange in response to drought in a Southern California chaparral ecosystem. Remote Sensing of Environment, 103, 289-303.
Soudani K., Francois C., Maire le G., Dantec le V., Dufrene E., 2006. Comparative analysis of IKONOS, SPOT and ETM+ data for leaf area index estimation in temperate coniferous and deciduous forest stands. Remote Sensing of Environment, 102, 161-175.
Tenhunen J.D., Catarino F.M., Lange O.L., Oechel W.C. (red.), 1987. Plant Responses to Stress. Func-tional Analysis in Mediterranean Ecosystems. Springer-Verlag.
Turner D.P., Cohen W.B., Kennedy R.E., Fassnacht K.S., Briggs J.M., 1999. Relationships between leaf area index and landsat TM spectral vegetation indices across three temperate zone sites. Remote Sensing of Environment, 70, 52-68.
Uździcka B., Juszczak R., Sakowska K., Olejnik J., 2012. Związek między wskaźnikiem LAI a spektral-nymi wskaźnikami roślinności na przykładzie wybranych gatunków roślin uprawnych. Woda - Śro-dowisko - Obszary Wiejskie, 38, 283-311.
Veroustraete F., Sabbe H., Earens H., 2002. Estimation of carbon mass fluxes over Europe using the C-Fix model and Euroflux data. Remote Sensing of Environment, 81, 376-399.
Walter-Shea E.A., Blad B.L., Hays C.J., Mesarch M.A., Deering D.W., Middleton E.M., 1992. Biophysi-cal properties affecting vegetative canopy reflectance and absorbed photosynthetiBiophysi-cally active radia-tion at the FIFE site. Journal of Geophysical Research, 97, 925-934.
Zarco-Tejada P.J., Ustin S.L., Whiting M.L., 2005. Temporal and spatial relationships between within-field yield variability in cotton and high spatial hyperspectral remote sensing imagery. Agronomy Journal, 97, 641-653.
Zhang Q., Xiao X., Braswell B., Linder E., Baret F., Moore B. 2005. Estimating light absorption by chlo-rophyll, leaf and canopy in a deciduous broadleaf forest using MODIS data and a radiative transfer model. Remote Sensing of Environment, 99, 357 - 371.
Zheng G., Moskal M., 2009. Retrieving Leaf Area Index (LAI) using remote sensing: Theories, methods and sensors. Sensors, 9, 2719-2745.
NDVI AND PRI AS INDICATORS OF DIURNAL CHANGES IN FRACTION
OF ABSORBED PHOTOSYNTHETICALLY ACTIVE RADIATION FOR FALLOW AND SELECTED SPECIES OF CROP PLANTS
Bogna Uździcka1, Radosław Juszczak1, Karolina Sakowska1,2, Bogdan H. Chojnicki1, Marek Urbaniak1, Janusz Olejnik1
1Meteorology Department, Poznan University of Life Sciences ul. Piątkowska 94, 60-649 Poznań, Poland
2Sustainable Agro-ecosystems and Bioresources Department, IASMA, Research and Innovation Centre,
Fondazione Edmund Mach, San Michele all’Adige, TN, Italy e-mail: bognauzdzicka@gmail.com
A b s t r a c t . fAPARcanopy is an important ecophysiological parameter, widely used for Gross Pri-mary Production estimation. The paper presents the effect of diurnal changes in fAPARcanopy on two spectral vegetation indices – NDVI and PRI. Measurements were made on 28th of May, 2012, for 4 measurement plots (fallow, spring barley, winter rye, winter wheat). Measurements of incident, trans-mitted and reflected photosynthetically active radiation (used for fAPARcanopy calculation) were per-formed using Delta-T measurements system (Delta-T Devices, Cambridge, UK). Measurements of incident and reflected radiation at 530, 570, 670 and 849 nm were used for NDVI and PRI calculation. They were performed using two SKR1850 sensors (SKYE Instruments Ltd., Llandrindod Wells, UK) mounted in zenith-nadir position on the mobile Spectrosense 2+ device. Presented data showed that
NDVI was much better than PRI spectral indicator of diurnal variability of fAPARcanopy of crop plants. Results indicated that the fraction of absorbed photosyntetically active radiation (although its impact was noticeable) was not the only factor affecting diurnal changes in NDVI and PRI values.
K e y w o r d s : fraction of absorbed photosynthetically active radiation, spectral vegetation in-dices, Normalised Difference Vegetation Index, Photochemical Reflectance Index
